- 系统风险的网络敏感性;
- 使用深度多视角学习Twitter用户地理位置;
- 测量科学广度;
- 推断传递关系的新嵌入式表示和评估协议;
- 网络的智慧：适应性网络如何促进集体智慧;
- 基于信息流模拟的社区检测;
- 复杂系统中层级结构的涌现与演化;
- CARL：异构网络的内容感知表示学习;
- 混合交通和其他无序流的自驱动粒子模型;
- 用户阻止被认为是有害的？攻击者可控侧的识别社交帐户的通道;
- 现代电力系统需要多大储能？;
- 三次飓风的推特故事：哈维，艾尔玛和玛丽亚;
- 城市形态模型捕捉网络与地域之间的相互作用;
系统风险的网络敏感性
原文标题： Network Sensitivity of Systemic Risk
地址： http://arxiv.org/abs/1805.04325
作者： Domenico Di Gangi, D. Ruggiero Lo Sardo, Valentina Macchiati, Tuan Pham Minh, Francesco Pinotti, Amanah Ramadiah, Mateusz Wilinski, Giulio Cimini
摘要： 近期有关金融市场系统性风险的文献强调了考虑金融机构间复杂关联的关键重要性。模拟金融冲击的蔓延动态以及评估特定金融市场的弹性 - 无论是使用真实数据，重建技术还是简单的玩具网络，都做出了许多努力。这里我们解决冲击传播动力学如何依赖底层网络的拓扑细节的更一般的问题。为此，我们考虑不同的网络拓扑结构，所有这些都与从金融机构的实际数据中获得的资产负债表信息一致。特别是，我们考虑具有不同密度和中尺度结构的网络，以及冲击传播动力学的细节。我们表明，金融网络的系统性风险属性对其网络功能非常敏感。因此，我们的结果有助于设计监管政策，以提高金融市场的稳健性。
使用深度多视角学习Twitter用户地理位置
原文标题： Twitter User Geolocation using Deep Multiview Learning
地址： http://arxiv.org/abs/1805.04612
作者： Tien Huu Do, Duc Minh Nguyen, Evaggelia Tsiligianni, Bruno Cornelis, Nikos Deligiannis
摘要： 预测用户在像Twitter这样的社会网络上的地理位置是一个积极的研究课题，迄今为止提出了大量的方法。现有的大部分工作都是采用基于内容的或基于网络的方法。前者基于用户生成的内容，而后者则利用用户网络的结构。在本文中，我们提出了一种更通用的方法，该方法不仅包含基于内容和基于网络的功能，还将其他可用信息合并到统一模型中。我们的多入口神经网络（MENET）方法利用了深度学习和多视图学习方面的最新进展。具有文本，网络和元数据特征的MENET的实现导致Twitter用户地理定位的有效方法，实现两个众所周知的数据集的最新技术水平。
测量科学广度
原文标题： Measuring Scientific Broadness
地址： http://arxiv.org/abs/1805.04647
作者： Tom Price, Sabine Hossenfelder
摘要： 谁没有阅读评论学生“广度”的建议信，并想知道该怎么做？我们在这里提出了一种通过对研究人员的出版物进行语义分析来量化科学广度的方法。我们将我们的方法应用到开放访问服务器arXiv.org上的论文中，并报告我们的发现。
推断传递关系的新嵌入式表示和评估协议
原文标题： New Embedded Representations and Evaluation Protocols for Inferring Transitive Relations
地址： http://arxiv.org/abs/1805.04690
作者： Sandeep Subramanian, Soumen Chakrabarti
摘要： 除了词嵌入之外，知识图（KG）组件的连续表示（例如实体，类型和关系）被广泛用于实体提及消歧，关系推断和深度问题回答。在使用高斯，全息和复杂嵌入建模一般，非对称或反对称KG关系方面取得了很大进展。这些都不直接强化is-instance-of和is-subtype-关系中固有的传递性。最近的一个叫做顺序嵌入（OE）的提议要求代表一个子类型的向量元素地支配代表一个超类型的向量。然而，这种约束被断言和评估的方式有一些局限性。在这个简短的研究报告中，我们提出了三个具体的表达和推断传递关系的贡献。首先，我们提出并证明对OE损失目标的重大改进。其次，我们提出了一种类型为超矩形区域的新表示方式，对OE进行了概括和改进。第三，我们展示了一些现有的评估传递关系推理的协议可能会产生误导，并提供一个合理的选择。我们不是使用现成的黑盒深度学习模块，而是使用基本的几何考虑来开发我们的培训网络。
网络的智慧：适应性网络如何促进集体智慧
原文标题： The Wisdom of the Network: How Adaptive Networks Promote Collective Intelligence
地址： http://arxiv.org/abs/1805.04766
作者： Alejandro Noriega-Campero, Abdullah Almaatouq, Peter Krafft, Abdulrahman Alotaibi, Mehdi Moussaid, Alex Pentland
摘要： 随着人们建立新关系并打破现有关系，社会网络不断变化。人们普遍注意到，我们的社交嵌入对我们收到的信息以及我们如何形成信仰和做出决定产生强烈的影响。然而，大多数研究忽视了社会网络的动态性，以及它在促进适应性集体智慧中的作用。 （1）网络结构如何适应个人的表现，以及（2）这种适应是否促进个人和集体决策的准确性，目前尚不清楚。在这里，我们通过一系列行为实验和模拟来回答这些问题。我们的研究结果表明，嵌入在动态社会网络中的人群可以适应有偏见和非固定的信息环境。因此，与静态网络和未连接的组相比，个人和集体的准确性有了显著的提高。此外，我们表明，动态网络中的团体远远超过表现最佳的成员，即使最好的成员的判断也能从集体参与中获益。因此，我们的发现证实了动态社会网络作为改进个人和集体判断的适应性机制的作用。
基于信息流模拟的社区检测
原文标题： Community Detection by Information Flow Simulation
地址： http://arxiv.org/abs/1805.04920
作者： Rajagopal Venkatesaramani, Yevgeniy Vorobeychik
摘要： 社区检测仍然是数据挖掘中的一个重要问题，因为缺乏可利用数据所有方面的可扩展算法 - 即信息流的方向性及其动态。大多数现有方法在图结构中使用连通度度量。在本文中，我们提出了一种快速，可扩展的算法，通过模拟信息流通过它们来检测社会网络的有向，加权图表示。按照设计，我们的算法自然也处理无向或无向网络。我们的算法运行在$ \ mathcal {O}（| E |）$ time中，它比大多数现有工作要好，并且使用$ \ mathcal {O}（| E |）$空间，因此可以很容易地扩展到非常大的数据集。最后，我们证明了我们的算法在地面真实数据的准确性和可伸缩性方面优于最先进的马尔可夫聚类算法（MCL）（在许多情况下，我们可以在图中找到对于MCL来说过大的社区）。
复杂系统中层级结构的涌现与演化
原文标题： Emergence and Evolution of Hierarchical Structure in Complex Systems
地址： http://arxiv.org/abs/1805.04924
作者： Payam Siyari, Bistra Dilkina, Constantine Dovrolis
摘要： 众所周知，许多复杂的系统，无论在技术上还是在自然界中，都呈现出分层模块化。然而，人们不太了解的是，这种等级结构（这基本上是网络资产）如何出现，以及它随着时间的推移如何演变。此外，规范是分级系统随着时间的推移逐步设计，以便为新产出提供支持，并可能为新投入提供支持。这与在输出或输入发生变化之后“从头开始”重新设计新系统完全不同。我们提出了一个称为Evo-Lexis的建模框架，该框架提供了关于演进分层系统的一些常规和基本查询的深入见解。 Evo-Lexis将系统输入作为符号（“源”）进行建模，将输出作为那些符号（“目标”）的序列进行建模。 Evo-Lexis计算当目标集合随时间增加和移除（“增量设计”）时给定层次结构的优化调整。此外，Evo-Lexis计算优化的层次结构，可以从静态（不发展）设置（“清洁设计”）中的一组来源生成一组给定目标。我们关注的问题是：1.该层次结构的一些关键属性如何网络深度，每个模块的重用性或中心性，中间模块的复杂性（或序列长度）等，取决于产生新目标的演化过程？ 2.紧急等级体系在什么条件下表现出所谓的“沙漏效应”？为什么少数中级模块比其他模块重用得多呢？ 3.中层模块在层次结构演化过程中是否持续存在？或者是否存在“重复使用的模块显著变化”的“间断均衡”？ 4.增量设计和相应的清洁设计层次之间在成本和结构方面有哪些不同？
CARL：异构网络的内容感知表示学习
原文标题： CARL: Content-Aware Representation Learning for Heterogeneous Networks
地址： http://arxiv.org/abs/1805.04983
作者： Chuxu Zhang, Ananthram Swami, Nitesh V. Chawla
摘要： 异构网络不仅对节点和关系的类型提出了异质性的挑战，而且还提供了与节点相关的属性和内容。尽管近期的研究着眼于同构和异构网络的表示学习，但没有共同解决以下挑战的工作：（a）由多种类型的节点和关系组成的网络的异构结构信息; （b）与节点相关联的非结构化语义内容（例如，文本）;和（c）由于网络中不断增加的新节点而导致在线更新。我们通过开发内容感知表示学习模型（CARL）来应对这些挑战。 CARL执行异构SkipGram和深度语义编码的联合优化，以捕获网络中存在的所有节点之间的异构结构紧密度和非结构化语义关系，作为节点内容的函数。此外，还提出了一个额外的在线更新模块，用于高效学习传入节点的表示。大量的实验表明CARL在各种异构网络挖掘任务中的表现优于最新的基线，如链路预测，文档检索，节点推荐和相关性搜索。我们还通过类别可视化研究来展示CARL在线更新模块的有效性。
混合交通和其他无序流的自驱动粒子模型
原文标题： Self-Driven Particle Model for Mixed Traffic and Other Disordered Flows
地址： http://arxiv.org/abs/1805.05076
作者： Venkatesan Kanagaraj, Martin Treiber
摘要： 发展中国家的车辆的维度和速度变化很大，司机往往不遵循车道纪律。在这种称为“混合交通”的流量状态中，驾驶员与最终动作之间的相互作用类似于一般无序自驱动粒子系统的相互作用，而不像工业化国家有序的基于车道的交通流。我们提出了一种用于这种自驱动“高速粒子”的通用多粒子模型，并且表明它再现了混合交通的观测特性。主要想法是将传统的基于加速度的跟驰模型推广到二维力场。对于在线追踪，该模型回复到潜在的跟驰模型，对于非常慢的速度，它将恢复为行人的各向异性社会力模型。在车道标记位置增加了地板区域后，该模型将恢复为具有连续侧向动态特性的集成车辆跟踪和车道变换模型，其中包括诸如合并邮件的合作方面。以自适应巡航控制（ACC）系统作为潜在的跟驰模型，它成为混合或基于车道的交通中自动车辆的加速和转向的控制器。
用户阻止被认为是有害的？攻击者可控侧的识别社交帐户的通道
原文标题： User Blocking Considered Harmful? An Attacker-controllable Side Channel to Identify Social Accounts
地址： http://arxiv.org/abs/1805.05085
作者： Takuya Watanabe, Eitaro Shioji, Mitsuaki Akiyama, Keito Sasaoka, Takeshi Yagi, Tatsuya Mori
摘要： 本白皮书介绍了一种实用的旁道攻击，可识别攻击者网站访问者的社交Web服务帐户。我们的攻击利用了广泛采用的用户阻止机制，滥用了其固有属性，即某些页面根据用户是否被其他用户阻止而返回不同的Web内容。我们的主要见解是，攻击者准备的帐户可以针对同一服务上的任意用户保存攻击者可控制的二进制阻塞/非阻塞状态;只要用户登录到服务，当用户访问攻击者的网站时，可以通过传统的跨站点定时攻击将该状态恢复为一位数据。我们概括并提及可见度控制这样的属性，我们认为这是我们攻击的基本假设。建立在这个原始基础上，我们证明具有一组受控帐户的攻击者可以对通过侧通道泄露的数据获得完整而灵活的控制。使用这种机制，我们表明可以设计和实施针对各种社会网络服务的强大的大规模用户识别攻击。为了验证我们的攻击的可行性，我们使用16种流行的社会网络服务进行了广泛的实证研究，并证明其中至少有12种易受攻击。脆弱的服务不仅包括流行的社交网站，如Twitter和Facebook，还包括提供社交功能的其他类型的网络服务，例如eBay和Xbox Live。我们还证明，攻击可以实现接近100％的准确性，并且可以在实际环境中在足够短的时间内完成。我们讨论攻击的基本原则，实际方面和限制以及可能的防御。
现代电力系统需要多大储能？
原文标题： How much energy storage do modern power systems need?
地址： http://arxiv.org/abs/1805.05115
作者： Autumn Preskill, Duncan Callaway
摘要： 我们在本文中寻求解决的中心问题是：随着安装存储容量的增加，电网规模能源存储的运营成本优势下降多快？我们使用基于美国西部互联的240总线模型，首先在网络中优化定位存储，然后将其分配到具有直流负载流的单元承诺模型中。该模型使用存储为研究年度的每个小时提供频率调节，负载跟踪和套利，并调查燃料价格和可再生能源渗透的一系列情景。我们发现，在我们调查的所有渗透中，长期能源转移的价值可以忽略不计，而且化石燃料发电机从提供储量中取代最初是非常有价值的。但是，在大多数情况下，超过10GWh存储的价值可以忽略不计，或相当于系统平均需求的大约6分钟。在4-8 GWh以上的渗透率下，存储运营成本收益低于存储的估计容量值。我们还表明，存储有可能增加电力行业的整体碳排放量，即使它没有提供大量的套利，并且优先提供服务后的监管和负载。
三次飓风的推特故事：哈维，艾尔玛和玛丽亚
原文标题： A Twitter Tale of Three Hurricanes: Harvey, Irma, and Maria
地址： http://arxiv.org/abs/1805.05144
作者： Firoj Alam, Ferda Ofli, Muhammad Imran
摘要： 在自然灾害和紧急情况下，人们越来越多地使用Twitter等微博平台。研究表明，Twitter上的数据可用于多种灾难响应任务。然而，理解社交媒体数据是一项具有挑战性的任务，原因在于分析大容量和高速数据流的可用工具的局限性等几个原因。这项工作对三次灾难事件期间在Twitter上分享的数百万推文中的文字和多媒体内容进行了广泛的多维分析。具体而言，我们采用了来自自然语言处理和计算机视觉领域的各种人工智能技术，它们利用不同的机器学习算法来处理灾难事件期间生成的数据。我们的研究揭示了各种有用信息的分布，可以为危机管理人员和响应人员提供信息，并促进未来自动化灾害管理系统的开发。
城市形态模型捕捉网络与地域之间的相互作用
原文标题： An Urban Morphogenesis Model Capturing Interactions between Networks and Territories
地址： http://arxiv.org/abs/1805.05195
作者： Juste Raimbault
摘要： 城市系统由多个组件的复杂耦合构成，特别是建成的环境和交通网络。他们的互动涉及城市形态的出现。我们在本章中建议介绍一种把握两个方面及其相互作用的城市形态学方法。我们首先定义补充措施，并研究它们的经验值及其与欧洲领土系统的空间相关性。指标和相关性的行为提示潜在的非平稳和多标量过程。然后，我们介绍一个介观规模的城市增长生成模型。给定一个固定的外生增长率，根据当地城市形式（密度，网络距离）和网络测度（中心性和广义可达性）控制的潜力，人口是依照优先依附分配的，然后在空间扩散以捕捉城市蔓延。网络增长包括在一个多模型范例中：实施的启发式方法包括生物网络生成和重力潜在故障。该模型在第一阶段（措施）和第二阶段（相关性）都被校准，后者则间接捕获网络和地区之间的关系。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.me （提供RSS订阅）进行同步更新。
